近日，研究團隊提出了一種名為OmniSCS的創新系統，旨在通過完全可編輯的駕駛世界合成安全關鍵場景（SCS），以提升自動駕駛系統的魯棒性。安全關鍵場景的合成與閉環仿真測試是開發魯棒自動駕駛系統的關鍵環節，其中涉及對現有場景中代理狀態（包括外觀和軌跡）的編輯。然而，現有方法在場景編輯後難以保持數據保真度，並且無法高效生成高質量的SCS。
OmniSCS系統由兩個關鍵模塊組成：完全可編輯駕駛世界構建模塊和SCS合成模塊。完全可編輯駕駛世界構建模塊採用雙策略代理重建和深度精煉背景重建方法，在場景編輯過程中保持代理外觀和背景的高保真度。這確保了修改後的場景能夠保留原始數據的真實性，從而克服了傳統方法中數據保真度下降的問題。SCS合成模塊則支持對象插入和代理軌跡編輯，能夠生成多樣化的安全關鍵場景，同時確保數據保真度不受影響。這對於測試自動駕駛算法在極端情況下的表現至關重要。
研究團隊在nuScenes、Waymo和KITTI三個主流數據集上進行了實驗。結果顯示，OmniSCS在編輯場景的保真度方面顯著優於當前最先進的方法。此外，該系統還驗證了其能夠增強自動駕駛算法的性能，並支持高達13Hz的實時閉環仿真測試。這意味着該技術能夠為自動駕駛系統提供更安全、更高效且成本更低的測試解決方案。
總體而言，OmniSCS為自動駕駛中的安全關鍵場景優化與測試提供了一種創新的方法。該技術的應用有望加速自動駕駛系統的開發和部署，提高其在真實世界中的安全性。未來，研究團隊計劃進一步擴展OmniSCS的功能，以支持更復雜的場景編輯和更廣泛的測試需求。